v./m. (-s), rij van stochastische veranderlijken, waarin elke veranderlijke uitsluitend afhankelijk is van de onmiddellijk eraan voorafgaande veranderlijke.
Markovketens worden gebruikt als wiskundig model voor stochastische processen, d.w.z. verschijnselen (in de natuur, in het dagelijks leven e.d.), waarbij zowel het toeval als de tijd een rol spelen. In het model is de tijdsparameter discreet, d.w.z. men beschouwt het verloop van het proces alleen op bepaalde tijdstippen. Processen met een continue tijdsparameter (b.v. het verloop van de luchttemperatuur in De Bilt) worden derhalve vereenvoudigd voorgesteld.
Markovketens zijn geschikt als model voor processen met een beperkt toevalselement, omdat het model een beperkte samenhang in de keten definieert. Een keten is een rij stochastische variabelen, stel x1, x2, x3,...,xn,... waarbij de index het tijdstip aangeeft. Deze variabelen kan men opvatten als de achtereenvolgende uitkomsten van een experiment. In het eenvoudigste geval zijn deze uitkomsten onafhankelijk, zoals de achtereenvolgende ogen-aantallen bij het werpen van een dobbelsteen. Zodanig model beschrijft volstrekte chaos en is voor vele processen te simpel. Indien daarentegen de kansverdeling (waarschijnlijkheidsrekening) van iedere uitkomst zou mogen afhangen van alle voorgaande uitkomsten, dan is het resulterende model vrijwel zeker onhanteerbaar.
A.A.Markov heeft daarom in 1907 voorgesteld ketens te beschouwen waarbij de voorwaardelijke kansverdeling van xn onder de voorwaarde dat xn-1 een zekere waarde heeft, niet wordt beïnvloed door enige informatie omtrent x1: ..., x„_
2. Een eenvoudig voorbeeld is het experiment waarbij een dobbelsteen telkens eenmaal wordt gekanteld in een aselect bepaalde richting. Liggen op een bepaald moment b.v. zes ogen boven, dan doet de verdere voorgeschiedenis niet meer ter zake. Het gehele proces wordt gedefinieerd door de overgangswaarschijnlijkheden behorende bij elke mogelijke uitkomst (in het genoemde dobbelsteenexperiment kan de overgang naar slechts vier andere uitkomsten geschieden, elk met gelijke kans). Wanneer niet voor alle tijdstippen dezelfde matrix van overgangswaarschijnlijkheden geldt, bezigt men het ruimere begrip markovproces. Markovketens noemt men daarom ook wel stationaire markovprocessen.
Er is inmiddels een aanzienlijke hoeveelheid theorie betreffende markovketens ontwikkeld, mede gestimuleerd door een steeds langer wordende rij van toepassingsgebieden, o.a. biologie, sociale wetenschappen, natuurkunde en sterrenkunde.
